IDLE 是Python 的 Integrated Development and Learning Environment 首字母的简写。 如果你在 Windows 使用 Python 的安装程序进行安装的话，这个 IDLE 是默认进行安装的。这个是可以直接在 Windows 的运行对话框中输入 idle 运行的。 运行的界面如下图。     IDLE 运行界面与使用控制台的运行界面是相同的，只是 IDLE 的界面更好。 相对来说这个编辑器比较简陋，通常没有一些商用编辑器的那么功能强大。 如果是 Windows 10 的话，可以通过你的 Windows 任务栏来进行启用。当然你也可以在运行中输入 idle 中直接运行。 https://www.ossez.com/t/python-idle/13360

在编辑 MD 的格式的时候出现了下面的问题。 文字和图片排版的时候出现了偏差。 问题和解决 这是因为文字和图片排版的时候没有空行。 在 MD 格式进行排版的时候文字和图片虽然在 MD 文件内已经空行了，但是在实际情况下，MD 将会将图片插入到文字的后面。 这将会导致上面排版的偏差问题，因此只需要在源文件中多加入回车就好了。     插入回车后，就可以完成对齐了。   https://www.ossez.com/t/md/13359

在上个世纪的 80 年代末期（1990 年之前的一年），有关 Python 的历史被改写了。在荷兰的阿姆斯特丹，Centrum Wiskunde & Informatica 大学的 Guido von Rossum 为了让自己的圣诞节有点事情做，不要太无聊了便开始写了 Python 编译器。 1989 年圣诞节：Guido von Rossum 开始写 Python 语言的编译器。 1991年2月：第一个Python编译器（同时也是解释器）诞生，它是用C语言实现的，可以调用 C 语言的库函数。在最早的版本中，Python已经提供了对“类”，“函数”，“异常处理”等构造块的支持，还有对列表、字典等核心数据类型，同时支持以模块为基础来构造应用程序。 1994年1月：Python 1.0正式发布。 2000年10月16日：Python 2.0发布，增加了完整的垃圾回收，提供了对 Unicode的支持。与此同时，Python的整个开发过程更加透明，社区对开发进度的影响逐渐扩大，生态圈开始慢慢形成。 2008年12月3日：Python 3.0发布，它并不完全兼容之前的Python代码，不过因为目前还有不少公司在项目和运维中使用 Python 2.x 版本，所以Python 3.x的很多新特性后来也被移植到Python 2.6/2.7版本中。 目前我们使用的Python 3.7.x 的版本是在2018年发布的，Python的版本号分为三段，形如A.B.C。其中A表示大版本号，一般当整体重写，或出现不向后兼容的改变时，增加A；B表示功能更新，出现新功能时增加B；C表示小的改动（例如：修复了某个Bug），只要有修改就增加C。 如果对Python的历史感兴趣，可以阅读名为自行搜索有关 Python 简史的网络文章。 Python 其实并不是一门新的语言，在 30 多年前就已经诞生了，但随着近年数据处理方面的需求增加，Python 越来越火爆了。     都说尽量不要得罪程序员，搞不好程序员变发飙写一个能够改变世界的东西，看来这个还是有点道理的。 https://www.ossez.com/t/python/13358

在使用 Python 命令行工具的时候，我们发现通常使用的 Ctrl + C 没有办法退出界面。 例如，下图所示，当我们从键盘上输出 Ctrl + C 还是没有办法退出。     解决方法 可以通过键盘上输入 Ctrl + Z 然后回车后退出环境。     当然，你还可以使用 exit() 或者 quit() 然后回车后退出。 Ctrl + Z exit() quit() 如下面的图显示，我们可以使用上面的 3 个方式来退出当前的环境。     针对 Python 或者各种语言，最好是先在计算机上安装上环境后再自己试试就更好了。   https://www.ossez.com/t/windows-python/13357

在 Python 环境变量的设置中。 我们可以通过输入 python 访问 python 的命令，但是在输入 py 的时候却得到了命令不能识别的错误。 如下图所示的内容：     问题和解决 在解决这个问题之前，我们需要了解下 Python 中 python 的命令和 py 的命令有什么不同。 Python 可以这样解释的是 Python 就是 Python 环境的命令，如果你需要运行 Python 程序，那么你必须要安装 Python 解释器。 想象的是，当我们的系统中有安装多个版本的 Python 解释器。那么我们应该怎么确定版本，并且调用解释器呢？ 当然最简单的版本就是将解释器的路径 PATH 添加到操作系统中。 py py 运行的是 Python Launcher，这个和 Python 是 2 个不同的东西。 可以理解的是 py 是 Python 解释器的运行管理工具或者运行工具。 py -version 启动 python 的方式其实应该是官方更为推崇的一种方式，无需手动设置环境变量，并且能指定启动 python 的版本，功能不要太强大！绝对是在多版本 Python 共存的环境下，启动不同版本 Python 的利器！ 但是需要注意的是，Python Launcher 是 Python3.3 以上版本中新增的组件，并且可以独立地安装和卸载，使用时一定要注意 Python Launcher 被正确地安装在系统中了，否则就会报 ‘py’ 不是内部或外部命令，也不是可运行的程序或批处理文件 的错误。 这是因为在我们安装的时候没有配置 py。 解决办法 解决办法就是可以在 Windows 的操作系统中，重新安装一下 Python。 根据选择的 Python 的安装文件，在安装的时候，需要选择针对所有用户安装运行器。 在默认的情况下，这个也是默认选择的。 当你选择自定义安装后，你可以看到 py lancher 也是默认被选择上的，同时也是针对所有用户进行安装。 在完成上面的选择后，单击下一步继续安装。 当我们完成所有的设置后，我们就可以在命令行工具中使用 py 来查看版本情况。 这个时候你也不会遇到命令没有找到的错误了。 使用 py 命令可以查看安装的 Python 版本。     建议是，如果你使用的是 Windows 操作系统，直接选择到 Python 官网下载安装程序进行安装就可以了，通常能够帮你设置环境变量。 https://www.ossez.com/t/windows-10-py-python/13356

尝试使用 Discourse 的邀请功能来发送邮件。 但是发送邮件显示成功了，实际上这些邮件并没有发送出去。 例如，下图显示邮件已经发送成功了。     但是通过发送邮件的记录查看后，发现邮件并没有发送出去。     从上图可以看到邮件发送的记录是空的。 问题和解答 通过对官方的提交问题后寻求答案后得知。 官方提示需要将 disable emails 设置为 NO 才可以。       通过修改上面的配置，再次测试后发现已经能够正常发送邀请电子邮件了。       但是我们最开始的时候将这里的设置，设置为：non-staff。 官方的解释是：Discourse 的设计就是如果将这个配置设置为 non-staff，那么如果一个用户如果是 staff 用户组的话，这个用户将会接收到从 Discourse 发送过来的电子邮件。 但是，staff 用户组的用户也只能将邮件发送给 staff 用户，换句话说，如果将这个配置设置为 non-staff 的话，所有的电子邮件只能在用户组直接进行发送和交换。 如果你需要使用 Discourse 对用户进行邀请的话，你需要将用户组设置为 NO。 如果还需要了解更多的有关这个问题，请访问： Email invied not working - support - Discourse Meta 官方问题解答的地址来了解更多的细节。 https://www.ossez.com/t/discourse/13352

我们平台最近有个需求需要查询每天的业务日志，然后也有导出功能。 每天业务量数据很大。每天都好几千万的数据。     问题分析 首先你这日志存哪里呀？文件系统还是数据库表，还是 NoSQL，存的位置不一样处理方式不一样。 另外你的数据结构是怎么样的，是简单的数据结构，还是复杂结构，字段是不是很多。 假设你数据就在数据库中，查询的结果返回多少的数据？如果就返回几万，可以考虑转换为 CSV 文件，CSV 文件 Excel 是可以打开的，而且 Excel 也有打开限制，记录太多了 Excel 也会被拖死。 参考解决方案 针对你现在的数据库，千万级别的，不管采取什么方案，什么 POI 工具在线导出方案都会超时。 原因有： 数据处理时间会很长，生成的文件会很大，网络传输回来肯定会超时。 其次 Excel 建议的数据量一般是不超过 5 万，全部导入到一个文件中，客户的电脑是根本打不开的，Excel 早就会被拖死了。这样的数据给你们业务毫无意义。就算勉强打开了， Excel 的搜索功能根本用不了。 你这还是一个用户导出的情况，如果 10 个用户同时导出，你试试看？ 所以，你需要和业务商量你们到底要这些数据干什么。但是放一个文件中肯定是没有任何意义的。 正常来说针对这种数据量的通常处理方案是 Spring Batch 做批量。根据数据库的时间或者 ID 来进行批量处理后生成文件。然后将生成的文件放到某一个存储位置，通常可以是云存储。 前端用户只提交请求，在导出界面可以这样设计，当用户导出数据量超过 2 万后，前台页面提示说：您的导出请求已经被后台批量程序处理，请检查邮件获得下载地址。 处理策略可以使用 API 调用或者消息。 正常的系统设计是针对这种数据量肯定不会做基于网页的数据导出的。 https://www.ossez.com/t/topic/13346

Spring 及其框架衍生产品现在已经是 Java 开发需要的基本功了。 使用 Spring 提供的框架和模块，可以在很短的时间内做个 API，这个在以前是不可想象。 了解 Spring Boot 和 Spring 一个小介绍，我们写到了文章：Spring 和 Spring Boot 中。 需要的用户在开始使用 Spring 和 Spring Boot 之前，最好要对这些概念有一些基本的了解，这样能够帮助你更好的使用和对概念的理解。

计算机是具备数据存储、修改功能，并实现对相关逻辑与数据的计算，是现代化智能电子设备。     计算机干得最多的就是从存储中获得数据，进行计算，返回结果（重新存储或者展示）。 工具 计算机就是工具，现代信息技术的基础就是计算机。 计算机本身就是一个系统工程，软件开发只是在计算机基础上的应用罢了，语言就是开发这些应用的工具。 只要有信息化的需求，那么就有计算机存在的地方，有计算机存在的地方就有需要为开发一些东西能够更快的实现信息交换和处理。 历来我们都是注重应用多，少关注基础，导致很多人认为计算机不就是写写代码嘛。如果从整个数据流来看，每一个环节都可能做出很多东西。 行业融合 数据采集，数据处理，数据存储，数据查询，数据应用。 几乎每一个行业都需要这些东西，如果某一个行业数学要求得越多，计算机需求也就越多。 上面说到的任何一个点都可以拿来做文章，比如说的数据采集，ETC 技术，电子标签技术都是技术采集部分的东西，随随便便拿出来都是大头。 数据处理，又有很多处理方式，以前是结构化数据，现在又搞扁平化数据，还有更多的数据处理方式都在不停的开发和改进中。 比如说金融，量化分析，利息，数据挖掘，这些东西都需要大量的计算，以前都是人手工算的，现在基本上是建模后用计算机算。 只是随之后续的发展，对计算机方面的从业人员要求会越来越高，和以前那种会几行代码就能混饭吃的情况可能越来越难了。 更多的是需要学科交叉，善于发现本学科中的问题，如果能结合计算技术解决问题，提高效率那么这种人才必然会更吃香。 https://www.ossez.com/t/topic/13341

相信我，很多公司在从 1.4 升级到 8 的时候都哭晕在厕所里过。 历史问题 JDK 的选择有很多历史遗留问题。 很多公司甚至银行现在还在用 1.2 和 1.4。这是因为在很多 JAR 的开发历史中，已经没有办法维护已经编译好的 jar 的，老的源代码可能也没有办法用新 JDK 编译。 如果要将平台升级到 8，必须要求所有的老的 Jar 都要用 8 编译一次。在历史情况下，这种可能性很低，而且 Maven 平台也不是 2000 年就有了，在 2000 年的时候还有个 lib 目录的。 随着现在 API 和微服务的流行，慢慢的会在向 API 进行微服务迁移的时候使用新的 JDK 版本进行开发。 目前主流是 8 的版本，如果你使用 11 也问题不大，JDK 8 和 11 之间的差距不是非常大，没有 1.4 到 8 这么大。几乎已经大到了无法兼容编译的程度了。 LTS 版本 如很多人都知道的 LTS 版本的问题，目前只有 2 个 LTS 的版本在使用，17 的版本还没有出来呢。     综合上面的 2 个原因，新项目开发的时候自然就会选择稳定的版本。 JDK 这种比较底层的东西，越稳定越好。 再加上 OS 安装的版本主流也是这 2 个，如果是新项目用 11 没有问题。如果是老项目已经用 8 了，就不要想着升级了，反正最后支持时间都差不多。 其实 8 到 11 的升级没有那么糟糕，基本上还是比较好升的。 https://www.ossez.com/t/java-jdk-8-11/13339